精准实现大学生贫困认定是实现高校精准扶贫的重要前提，但是因为贫困认定需要提交的材料涉及隐私和数据非客观性原因，当前贫困认定存在部分学生做假和自卑学生不敢申请的不公平现象。针对该问题，以学生一卡通消费数据和个人基本信息等客观数据为基础，构建贫困特征分箱和特征交叉算法，形成一套大学生贫困认定特征参数。随后，为处理贫困认定数据集不平衡性，提出了数据样本和输入属性双重扰动方法，并与核ELM算法融合，构建了大学生贫困认定DP_KELM算法。实验结果表明：构建的特征在随机森林和KELM算法的准确率方面都超过0.82，而双重扰动模式对提高算法的G-mean值有较好作用，DP_KELM算法在Gmean和AUC上均优于对比的9种算法。DP_KELM算法能够有效识别贫困大学生，为实现校园精准扶贫提供辅助决策工具。